【常见语言大模型API调用】第一篇：深度求索--deepseek

1.公司模型简介

深度求索公司 ，其正式名称为杭州深度求索人工智能基础技术研究有限公司（另有北京分公司），以下是对其的介绍：
公司名称 ：杭州深度求索人工智能基础技术研究有限公司（简称DeepSeek）
成立时间 ：2023年（北京分公司成立于2023年5月16日）
注册地点 ：浙江省杭州市（北京分公司位于北京市海淀区科学院南路2号C座5层N501）
经营范围 ：专注于研究和试验发展，特别是在人工智能领域。提供技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广等。涵盖软件开发、计算机系统服务、信息系统集成服务、人工智能应用软件开发、信息技术咨询服务等多个方面。
主要成就与贡献：在人工智能领域进行了多项研究和投资，包括但不限于大模型的研发和开源。通过开源大模型如DeepSeek Coder等，展示了在人工智能技术领域的实力和贡献。DeepSeek V2模型的发布，提供了一种史无前例的性价比，推动了中国大模型价格战的发展，并因其创新的MLA架构和DeepSeekMoESparse结构而受到业界的广泛关注。

2.DeepSeek模型介绍

模型架构：DeepSeek大模型以Transformer架构为基础，自主研发的深度神经网络模型。它采用混合专家（MoE）网络结构，具有训练经济、推理高效的特点。基于注意力机制，通过海量语料数据进行预训练，并经过监督微调、人类反馈的强化学习等进行对齐，构建形成深度神经网络。

DeepSeek-V2 ：该版本是一个千亿级模型，参数量达到236B，其中激活参数为21B。相较于前一代DeepSeek LLM（67B），节省了42.5%的训练成本，减少了93.3%的KV缓存，最大生成吞吐量提升至5.76倍。DeepSeek-V2在中文综合能力、英文综合能力、知识、数学、推理、编程等榜单中均表现出色，与GPT-4-Turbo、文心4.0等闭源模型在评测中处于同一梯队。
DeepSeek-Prover-V1.5 ：这是一个70亿参数的开源模型，通过结合强化学习和蒙特卡洛树搜索，显著提升了证明生成的效率和准确性。在Lean 4的形式定理证明方面优于所有开源模型，达到了新的SOTA（State Of The Art）水平。
应用场景与优势 ：

智能对话：DeepSeek大模型可以应用于智能对话场景，提供自然、流畅的人机交互体验。

文本生成：根据用户输入的文本数据，生成符合用户需求的文本内容，如文章、报告等。

语义理解：深入理解用户意图，实现精准的语义分析。

计算推理：具备强大的计算推理能力，可以处理复杂的数学问题、逻辑推理等。

代码生成补全：擅长处理编程任务，可以生成或补全代码，提高开发效率。

3.API调用指南

网页体验链接
 deepseek开放平台

1.API key申请

登陆注册，实名认证之后，在deepseek开放平台上申请APIkey：

查看接口文档
Deepseek接口文档

2.获取模型列表

查询模型列表：

https://api.deepseek.com/models

DeepSeek API 使用与 OpenAI 兼容的 API 格式，通过修改配置，您可以使用 OpenAI SDK 来访问 DeepSeek API

pip3 install openai

使用requests获取支持的模型列表：

python 复制代码

from openai import OpenAI
import time
import requests
def get_model_list(api_key):

    url = "https://api.deepseek.com/models"

    payload = {}
    headers = {
        'Accept': 'application/json',
        'Authorization': "Bearer {}".format(api_key)
    }

    response = requests.request("GET", url, headers=headers, data=payload)
    print(response.text)
    
if __name__=="__main__":
    api_key = "sk-xxxxx"
    strat = time.time()
    get_model_list(api_key)
    end = time.time()

    print(f"deepseek_chat 此次调用花费时间为：{(end-strat):.4f}秒")

{"object":"list","data":[{"id":"deepseek-chat","object":"model","owned_by":"deepseek"},{"id":"deepseek-coder","object":"model","owned_by":"deepseek"}]}

deepseek_chat 此次调用花费时间为：0.4065秒

使用 OpenAI 获取支持的模型列表：

python 复制代码

def get_model_list(api_key):
    client = OpenAI(api_key="sk-0c493e9b56734edd86425f97c04d1e8c", base_url="https://api.deepseek.com")
    print(client.models.list())
 
if __name__=="__main__":
    api_key = "sk-xxxxx"
    strat = time.time()
    get_model_list(api_key)
    end = time.time()

    print(f"deepseek_chat 此次调用花费时间为：{(end-strat):.4f}秒")

SyncPage[Model](data=[Model(id='deepseek-chat', created=None, object='model', owned_by='deepseek'), Model(id='deepseek-coder', created=None, object='model', owned_by='deepseek')], object='list')

deepseek_chat 此次调用花费时间为：0.4861秒

可以看到deepseek支持的模型主要就两个：
deepseek-chat和deepseek-coder

3. 聊天问答

python 复制代码

from openai import OpenAI
import time


def deepseek_chat(api_key, message):
    client = OpenAI(api_key=api_key, base_url="https://api.deepseek.com")
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=[
            {"role": "system", "content": "你是一个全能助手，能够准确解答用户的问题"},
            {"role": "user", "content": message},
        ],
        stream=False
    )
    print(response.choices[0].message.content)
    
if __name__=="__main__":
    api_key = "sk-xxxxx"

    message="请问为什么天空是蓝色的？"
    strat = time.time()
    deepseek_chat(api_key, message)
    end = time.time()

    print(f"deepseek_chat 此次调用花费时间为：{(end-strat):.4f}秒")

天空之所以呈现蓝色，主要是由于光的散射现象。以下是详细的解释：

光的组成：太阳光（白光）是由多种颜色的光混合而成的，包括红、橙、黄、绿、蓝、靛、紫等。这些光的颜色是由于它们的波长不同。

瑞利散射：当太阳光穿过地球的大气层时，会与大气中的气体分子（主要是氮气和氧气）发生相互作用。根据瑞利散射理论，波长较短的光（如蓝色和紫色）比波长较长的光（如红色和黄色）更容易被大气分子散射。

蓝色光的散射：在太阳光中，蓝色光的波长较短，因此它比其他颜色的光更容易被大气分子散射。这意味着蓝色光会向各个方向散射，使得整个天空看起来是蓝色的。

紫色的忽略：虽然紫色光的波长比蓝色光更短，理论上应该更容易被散射，但我们的眼睛对紫色的敏感度不如对蓝色高，而且太阳光中的紫色光相对较少，因此天空主要呈现蓝色而不是紫色。

日出和日落时的颜色变化：在日出和日落时，太阳光需要穿过更厚的大气层才能到达我们的眼睛，这时波长较长的红色和橙色光相对较少被散射，因此天空呈现红色或橙色。

总结来说，天空之所以是蓝色的，是因为太阳光中的蓝色光被大气分子散射到各个方向，使得整个天空看起来是蓝色的。

deepseek_chat此次调用花费时间为：17.9344秒

更多功能查看接口文档
Deepseek接口文档